 |
 |
Article dans une revue
Kernel Density Estimation on the Siegel Space with an Application to Radar Processing
Abstract : This paper studies probability density estimation on the Siegel space. The Siegel space is a generalization of the hyperbolic space. Its Riemannian metric provides an interesting structure to the Toeplitz block Toeplitz matrices that appear in the covariance estimation of radar signals. The main techniques of probability density estimation on Riemannian manifolds are reviewed. For computational reasons, we chose to focus on the kernel density estimation. The main result of the paper is the expression of Pelletier’s kernel density estimator. The computation of the kernels is made possible by the symmetric structure of the Siegel space. The method is applied to density estimation of reflection coefficients from radar observations.
Littérature citée [19 références]
https://hal-mines-paristech.archives-ouvertes.fr/hal-01446923
Contributeur : Jesus Angulo <>
Soumis le : vendredi 9 juin 2017 - 14:54:14
Dernière modification le : lundi 4 mai 2020 - 17:02:04
Document(s) archivé(s) le : dimanche 10 septembre 2017 - 13:37:10
Contributeur : Jesus Angulo <>
Soumis le : vendredi 9 juin 2017 - 14:54:14
Dernière modification le : lundi 4 mai 2020 - 17:02:04
Document(s) archivé(s) le : dimanche 10 septembre 2017 - 13:37:10
Fichier
kernelSiegel.pdf
Fichiers produits par l'(les) auteur(s)
